面向新文科的“数据分析”课程建设——以广东金融学院为例

应用型本科高校可以将数据分析能力培养与现有文科专业深入融合来实践新文科建设,通过层次化的数据分析能力目标设定,适应不同文科专业的生源素质、培养目标和就业需求,逐步完成一套综合、全面、差异化的“数据分析”课程体系及教学资源建设路径。基于此,文章介绍了面向新文科的“数据分析”课程建设路径、实践过程和现有成果。

产业转型背景下金融计算机实践教学体系改革

针对地方财经类院校面临的“培养既掌握金融学知识又具备计算机技术的跨学科、应用型人才”的挑战,基于OBE教育理念,按照目标明确、有效实施、科学评价、持续改进的路线,提出面向金融计算机应用的跨学科多元实践教学体系改革思路,从建设金融信息工程虚拟仿真实验平台、科教融合、产教融合以及开发新型金融大数据工具类课程4个方向介绍实践教学体系建设过程,旨在培养满足现代金融转型需求的跨学科、应用型科技人才。

基于学生数据素养培养的金融类高校“数据库原理与应用”课程教学改革探究

文章基于相关研究背景,首先论述了基于学生数据素养培养的金融类高校“数据库原理与应用”课程教学改革实践,然后对基于学生数据素养培养的金融类高校“数据库原理与应用”课程教学改革进行了反思。

数字普惠金融发展对居民消费结构升级的影响研究

随着数字产业化的推进,数字普惠金融发展正成为推动现代消费的重要元素之一。本文基于我国2011—2018年居民消费支出和北京大学数字金融研究中心发布的数字普惠金融指数数据,采用双向固定效应模型和中介效应模型研究数字普惠金融发展对居民消费结构升级的影响及作用机制。研究发现:数字普惠金融的发展所带来的普惠效应有利于促进居民提高发展与享受型消费占比,实现消费结构升级;不同维度的数字普惠金融发展水平对居民消费结构升级的影响存在差异,数字普惠金融的覆盖广度和使用深度都能促进消费结构升级,但使用深度的促进作用更显著;数字普惠金融发展通过影响金融可及性促进农村居民消费升级的中介效应占比41.7%,而对于城镇居民来说直接效应比间接效应显著。

改进ESNs在通信话务量预测上的应用研究

现有回声状态网络(Echo State Networks,ESNs)的通信话务量预测方法只考虑了历史通信话务量对预测性能的影响,较少涉及多个输入变量的通信话务量预测问题。文中首先针对ESNs用于实际多元时间序列预测任务时训练效率低,输入数据维数较多时计算复杂度大的问题,提出用改进的交替方向乘子算法(IAD-ESNs算法)训练ESNs;针对单一输入变量不能提供更加全面的预测信息,提出了改进ESNs的多变量预测模型(MP-IADMM-ESNs)。以真实通信话务量数据进行仿真实验,结果表明,提出的预测模型MP-IADMM-ESNs对多变量通信话务量预测有较高的预测精度和预测效率。

基于粒度结构分析的数控机床制造信息资源自动化检测方法

针对数控机床制造信息资源检测时间较长,检测准确率较低及能量消耗较大的问题,提出基于粒度结构分析的数控机床制造信息资源自动化检测方法。通过对制造信息资源元数据技术的分析,得到制造信息资源元数据粒度结构模型,在此基础上,采集数控机床制造信息,根据制造信息元数据结构粒度模型,去除数控机床制造信息中的重复数据,得到精准的数控机床制造信息资源元数据,并以此建立数控机床制造信息资源自动化检测模型,实现数控机床制造信息资源的自动化检测。测试结果表明,该方法对数控机床制造信息资源自动化检测的时间较短、检测准确率较高、能量消耗较少,能够有效检测出数控机床制造信息资源。

树莓派接入OneNET实现物联网系统的设计

为了解决物联网系统网关复杂及网络传输问题,由树莓派卡片式计算机构建一个wifi传感终端,利用中国移动OneNET物联网云平台提供的多种网络通信协议,实现一个具有远程实时监控功能的物联网系统,可用于环境监测、工业生产控制和智能家居控制等。理论与实践证明,本系统具有成本低廉、功能强大、网络数据传输免费等特点,为组建远程实时监控物联网提供一个具有实用价值整体解决方案。

基于组合模型的电力用户用电行为分层分类方法

针对电网企业对电力用户进行精细化管理需求,提出一种组合模型实现对“正常”、“窃电”、“漏电”和“计量异常”4种用电行为的分层分类。首先,利用电压不平衡度等3维特征对高维用电数据进行降维表征,然后提出磷虾算法优化的一类支持向量机KH-OC-SVM(krill herd optimized one-class support vector machine)分类器将特征向量自动划分为“正常”和“异常”2类,最后利用所提基于密度的K-均值(K-means)聚类算法对“异常”数据进行分析,将其自动划分为“窃电”“漏电”和“计量异常”3种异常用电行为。算例结果表明,所提方法能够有效实现电力用户用电行为的自动分类。

基于特征优选和SVM的船舶航行事故致因分析

在“海运强国”战略和建设“海上丝绸之路”的大背景下,我国对船舶航行安全提出更高的要求。本文基于特征优选和支持向量机模型,挖掘出船舶航行事故的致因并分析各个因素对事故的影响程度。首先,通过文本挖掘和相关性分析对输入特征进行优选,筛选出航行事故责任船舶与其他船舶存在明显差异的因素作为航行事故致因。然后,构建基于SVM的船舶航行事故识别模型,并通过交叉验证及群体智能优化算法选择模型的最佳参数组合,得到最优的分类模型。最后,利用递归特征消除算法将上述致因对事故的影响程度进行排序和筛选,挖掘出事故的关键致因。通过广东省的水上交通事故实例验证模型的有效性,结果表明:本模型(正确度为90.1%)较传统单一的SVM模型(正确度为75.0%)具有更高的精度。研究结果可为减少船舶航行事故提供有效的科学建议。

粤港澳大湾区城市群绿色创新水平的时空演变和趋势预测

当前关于城市绿色创新研究始兴,而针对粤港澳大湾区城市群的相关研究较为缺乏,为全面揭示其绿色创新的时空演变特征,为区域科技进步与绿色高质量发展提供支撑,在定义“城市绿色创新”概念内涵基础上,对标国家“十四五”规划对绿色发展转型提出的要求,结合区域发展特色,引入产业竞争力和公共服务评价指标,构建包括六大维度23个指标的粤港澳大湾区城市群绿色创新评价指标体系,利用2006—2021年相关数据,采用熵值法和BP神经网络方法评价分析其绿色创新水平及时空演变特征,并预测其“十四五”期间的绿色创新水平。结果显示:粤港澳大湾区城市群绿色创新的主要目的和动力为经济增长与科技进步,产业竞争力是其重要组成部分;其整体绿色创新水平年均值变化趋势呈现“平稳发展—稳步提升—迅速增长”的时序特征,城市间发展差距由集中在较低绿色创新水平流动至集中在较高绿色创新水平,空间演变则呈现明显的“一圈两翼”特征,核心城市的增长辐射效应在不断增强,但边缘城市与核心城市存在较大差距成为区域整体绿色创新水平提升难题;其在“十四五”规划期间的发展趋势主要表现为绿色创新水平由较低集中到较高集中的转变,且总体将保持较高水平并呈持续稳健增长趋势,如何进一步发挥核心城市的要素流动、资源辐射和技术溢出效应将成为关键。基于研究发现,提出低碳循环发展、绿色技术共享、绿色思想共建等政策建议。

融合多元信任关系的新型推荐模型

现有的基于信任关系的推荐模型大多用于预测缺失的“用户-物品”评分,未考虑信任关系自身的多样性。基于此,研究了考虑多元信任关系的物品序列推荐的矩阵分解模型。首先,针对社交网络中目标用户可分别作为信任者和受信任者2种情形,提出相应的信任者相似度因子模型(truster factored similarity model,TrusterFSM)和受信任者相似度因子模型(trustee factored similarity model,TrusteeFSM);然后,通过融合两者获得最终的信任相似度因子模型(trust factored similarity model,TrustFSM),TrustFSM引入了物品偏置、用户偏置、物品相似度、用户相似度和社交相似度的影响。最后,基于真实数据集的实验结果表明,TrustFSM获得了最优的推荐效果,所提3种模型的性能优于现有模型(有/无引入信任者信息)。

基于BLISS签名的不经意电子信封

目前已有的基于签名的不经意电子信封(oblivious signature-based envelope,OSBE)使用的是Schnorr或RSA等传统数字签名,其安全性来源于离散对数或大整数分解等经典数论困难问题,无法抵御量子计算机的攻击.本文提出一种基于BLISS数字签名的不经意电子信封(BLISS-OSBE),可以在量子计算机攻击的环境下保证OSBE的安全特性.消息发送者使用对称密码加密消息,然后与消息接收者交互,产生用于加密对称密钥的公钥,使用基于环上的LWE问题的公钥加密方案加密对称密钥,拥有有效BLISS签名的接收者可以解密LWE密文得到对称密钥,从而解密消息,并且不泄露自己的身份.方案可以抵御量子计算机的攻击,不涉及大整数、模指数或椭圆曲线点加倍点运算,具有良好的实现性能.

基于深度学习和智能规划的行为识别

现有行为识别方法在未能持续覆盖造成视频监控盲区所引起行为数据缺失的情况,难以有效实施特征分析、行为分类补全,无法准确识别出智能体完整的行为动作序列.为此,本文提出一种基于深度学习和智能规划的行为识别方法.首先,利用深度残差网络对图像进行分类训练,然后使用递归神经网络对图像特征进行提取深度信息以增强分类效果;其次,运用智能规划的STRIPS(Stanford Research Institute Problem Solver)模型,将深度学习提取的图像特征命题信息转化为规划领域的模型描述文档,并使用前向状态空间搜索规划器推导出完整的行为动作序列.在HMDB51等行为识别公共数据集中,本方法与生成式对抗网络、深度卷积逆向图网络、深度信念网络、支持向量机等同类先进方法相比展现出更好的性能.

关于“租购并举”现代住房制度的思考

"租购并举"是房地产长效调控的政策之一,其关键是要处理好住房消费和投资、房地产发展和经济增长的协调关系。微观角度,将居民按照现阶段是否有购房需求分为两个群体,并分别归属于住房租赁市场和住房买卖市场,研究政府政策影响下不同群体的租购决策。宏观角度,考虑到住房租赁市场和买卖市场之间的人群具有一定的流动性,构建住房制度评价体系,研究两个市场的关联性。研究结果可以为政府提供一定的理论指导,以便政府更好地通过制定政策的手段来调控房地产市场。

非线性折旧下设备在线租赁策略及其竞争分析

经典的Karp租雪橇模型假定投资者购买的设备在使用结束后再无剩余价值,这与实际情况不符,因此本文从租赁决策的实际出发,提出了设备随使用时间以默比乌斯变换折旧的在线租赁问题。本文首先建立了该问题在线分析的数学模型,然后给出了最优离线策略以及一个在线策略。最后,利用解决在线问题常用的在线竞争分析方法,证明了该在线策略是该问题唯一最优策略,而且该策略具有比Karp模型更小的竞争比,竞争分析结果表明考虑设备可折旧因素能够改进在线策略的竞争比从而提高在线决策效率。

基于互动行为的企业微博传播效果评价与分析

[目的/意义]微博传播效果评价,可以帮助企业更准确地了解其品牌、事件、舆情等在社交平台的传播情况。但由于受到水军、虚假粉丝等不良影响,微博的真实传播效果难以被衡量。[方法/过程]本文基于微博用户的互动行为,在交互强度的基础上提出了用户交互影响度算法,并引入话题传播深度、广度、速率、效率及用户传播贡献度的概念,从而较为完整地对企业微博的传播效果进行评价。[结果/结论]仿真模拟发现交互影响度算法与真实情况吻合较好,可有效消除虚假交互数据的影响。“华为手机”官方微博的实例验证结果表明,上述方法可从多个维度对传播效果进行深入分析,分析框架合理有效,分析结果也可为企业的品牌传播、社会化营销等提供改进意见。

基于网络众包模式的海量历史文献数字化处理方法研究

[目的/意义]针对海量历史文献数字化所面临的文献数量庞大、耗时长、成本过高等问题,本文将众包理念引入传统文献数字化工作中,形成基于网络众包模式的海量历史文献数字化处理方法。[方法/过程]该模式根据历史文献特点,将网络大众自发知识生产模式与专家定向模式相结合,提出了相应的用户激励和质量控制方案,从而保证众包任务的高效率、低成本、质量可控。此外,以粤海关清末历史文献为试点验证众包模式在大规模文献数字化处理工作中的可行性、高效性。[结果/结论]该模式为处理历史文献处理提供了新的思路与方法,且具有广阔的应用前景。

超网络与知识超网络研究简述

超网络是复杂网络研究热潮后,研究者关注的一个重要方向。本文对超网络的研究现状进行了简述,以帮助研究者了解超网络的概念、类型、应用、热点及未来方向等。本文通过对现有研究的分析及综合,指出超网络的三种类型:超图超网络(hyper-graph super-network)、多层优化超网络(multi-layer optimized super-network),多网集成超网络(multi-network integrated super-network)。并结合实例分析了每类模型的特点、应用、以及近几年的研究成果。此外,还重点简述了超网络研究的一个重要方向:知识超网络,主要介绍超网络在知识管理领域的模型、应用及发展趋势等。最后对超网络的现状进行总结,并对其未来研究方向进行了简要分析。未来,超网络研究可结合人工智能、大数据、知识处理与个性化知识服务等。

二重在线租赁问题的竞争策略及其风险补偿模型

基于实际租赁市场中存在的各种租赁优惠现象,提出了二重在线租赁问题。利用在线算法和竞争分析理论得到了二重在线租赁问题的确定性最优在线策略;考虑决策者的风险容忍度及对未来设备使用时长的预期,建立了二重在线租赁问题的风险补偿模型,并给出了最优的风险补偿策略;最后,利用算例分析说明预期和风险容忍度对风险偏好决策者收益的影响。结果表明,在一定的风险容忍度下,当预期成功时,风险补偿策略能给决策者带来更大的收益,而且在一定的概率预期下,随着风险容忍度的增大,策略的最优约束竞争比逐渐减小,竞争性能逐渐提高。

基于改进RFM模型的直播平台用户细分及个性化推荐方法研究

网络直播是一种新兴的共情式传播媒体。针对直播行业特点研究了适合直播平台的用户细分及个性化推荐方法。基于直播平台中用户粘性及长期价值的重要性,将用户平均观看时长作为重要维度融入现有RFM模型,构建RFMT模型;通过RFMT Cluster和RFMT Segmentation方法实现用户细分;通过指标加权法计算用户-主播价值偏好,构建用户评分矩阵,结合协同过滤算法开展推荐实验。基于国内某主流直播平台的后台数据进行研究,结果表明,基于RFMT Segmentation的用户细分方法更适用于实际应用的推荐,细分后的各类群体推荐效果大幅提升。RFMT模型增加了对用户粘性和长期价值的考虑,更适应直播平台的特点,所提出的基于直播平台的用户细分及个性化推荐方法有效、可行。